基于机器视觉的工件缺陷检测方法技术

本发明专利技术提供了一种基于机器视觉的工件缺陷检测方法。该方法首先采集法兰盘式工件的图像，对相机进行标定，获取标定误差，然后对工件轮廓进行亚像素边缘信息的提取，计算出拟合边缘到工件轮廓的距离，并通过比较该距离是否大于所给阈值判别工件外轮廓的破损情况，最后针对工件表面纹理复杂影响工件表面划痕与锈蚀分割的问题，采用基于像素分层采样的PixelNet卷积神经网络对表面缺陷进行分割。结果表明，本发明专利技术可以准确地检测出工件的外形缺陷和表面缺陷，并提高了算法鲁棒性。

Workpiece Defect Detection Method Based on Machine Vision

The invention provides a workpiece defect detection method based on machine vision. Firstly, the image of flange workpiece is collected, the camera is calibrated, and the calibration error is obtained. Secondly, the sub-pixel edge information of workpiece contour is extracted, and the distance between fitting edge and workpiece contour is calculated. Finally, the damage of workpiece contour is judged by comparing whether the distance is larger than the given threshold. Finally, the complex texture of workpiece surface affects workpiece surface delineation. For the problem of mark and rust segmentation, PixelNet convolution neural network based on pixel stratified sampling is used to segment surface defects. The results show that the invention can accurately detect the shape defects and surface defects of the workpiece, and improve the robustness of the algorithm.

【技术实现步骤摘要】
基于机器视觉的工件缺陷检测方法
本专利技术涉及一种基于机器视觉的工件缺陷检测方法，在对法兰盘式工件运用图像处理技术进行检测时，提高了检测准确性和检测效率。
技术介绍
20世纪60年代起计算机运行速度得到显著提高，同时伴随着CCD技术的问世，基于机器视觉的缺陷检测技术开始在工业生产线上得到广泛应用，如机械、电子、印刷、纺织行业借助先进的检测技术提高了产品质量和生产效率。机器视觉检测作为一种无损检测的方法，它通过线阵或面阵相机获得清晰的待测物体图像，由计算机进行图像处理完成目标缺陷的实时检测。随着我国制造业的快速发展，对于产品质量的要求也越来越高，近年来基于机器视觉的缺陷检测理论研究不断成熟。周善旻等人采用不同角度照明的方式获得金属表面的多元图像，在不同照明角度下缺陷特征具有明显差别，多幅图像之间的变化提供了更多缺陷特征信息，通过挖掘多元图像间的关联信息实现对金属表面缺陷的检测。该方法需要不断改变照明角度拍摄多幅图像，但本专利技术中工件处于移动的状态，进行多角度照明不仅操作繁琐且无法做到对工件的实时检测与分拣。黄柳倩等人针对冲压件外形缺陷的检测问题，对提取的背景区域进行闭操作从而实现外形本文档来自技高网...

【技术保护点】
1.一种基于机器视觉的的工件缺陷检测方法，包括下列步骤：步骤1：采集现实中法兰盘式工件的图像；步骤2：对相机进行标定，获取测量系统的标定误差；步骤3：对图像进行预处理提取出感兴趣区域；步骤4：采用亚像素边缘检测算法得到图像的亚像素边缘；步骤5：通过拟合圆的方式得到法兰盘式工件的理论外边缘；步骤6：采用基于边缘距离的方法检测出工件的外形缺陷；步骤7：采用基于像素分层采样的PixelNet卷积神经网络对表面缺陷进行分割。

【技术特征摘要】
1.一种基于机器视觉的的工件缺陷检测方法，包括下列步骤：步骤1：采集现实中法兰盘式工件的图像；步骤2：对相机进行标定，获取测量系统的标定误差；步骤3：对图像进行预处理提取出感兴趣区域；步骤4：采用亚像素边缘检测算法得到图像的亚像素边缘；步骤5：通过拟合圆的方式得到法兰盘式工件的理论外边缘；步骤6：采用基于边缘距离的方法检测出工件的外形缺陷；步骤7：采用基于像素分层采样的PixelNet卷积神经网络对表面缺陷进行分割。2.根据权利要求1所述的基于机器视觉的工件缺陷检测方法，其特征在于，步骤6中，工件在完整无破损位置处，其实际轮廓上亚像素点Ai与拟合圆的半径方向距离di远小于工件破损位置的距离，设置距离阈值τ，当di＞τ时记录此时工件实际轮廓上的亚像素点Ai即工件破损位置，从而根据符合阈值τ的坐标点Ai的个数{0，n}即可判定当前工件是否为破损工件，实际应用中，考虑到工件轮廓上亚像素点个数较多(N＞2000)影响算法的运算速度，本发明对亚像素点集合Ai在相对于工件质心的360°内进行采样，即将Ai进行360份等分，在每一度的亚像素点空间ξ内随机取出一坐标点构成新的工件轮廓像素点集合A′j，则j∈(1，2，3…360)，然后通过采样后的像素点集合A′j进行di的计算，相比直接由原集合空...

【专利技术属性】
技术研发人员：耿磊，魏全生，肖志涛，吴骏，张芳，李文科，刘彦北，王雯，
申请(专利权)人：天津工业大学，
类型：发明
国别省市：天津,12